Un estudio de Ian Weng Chan, Spark C. Tseung, Andrei L. Badescu y X. Sheldon Lin, "Data Mining of Telematics Data: Unveiling the Hidden Patterns in Driving Behaviour", analizó datos reales de telemetría para identificar qué variables de manejo se asocian de verdad con un mayor número de siniestros. El hallazgo principal: las transiciones grandes de velocidad, la velocidad máxima alcanzada, el manejo nocturno y las frenadas bruscas frecuentes están asociados con más siniestros. El estudio encontró además un efecto de aprendizaje inesperado: los eventos de frenado severo detectados con un umbral alto y los siniestros esperados no crecen de forma proporcional al tiempo o distancia manejada, sino que aumentan a una tasa decreciente —es decir, cuanto más maneja alguien, cada kilómetro adicional agrega relativamente menos riesgo marginal que el anterior.
Las cuatro variables que más pesaron en el estudio
El estudio identificó cuatro variables de manejo con una asociación clara con un mayor número de siniestros: transiciones grandes de velocidad (pasar de forma abrupta de una velocidad a otra muy distinta), la velocidad máxima alcanzada durante los viajes, la proporción de manejo nocturno, y la frecuencia de frenadas bruscas.
Ninguna de estas cuatro variables es sorprendente de forma aislada, pero el aporte del estudio es haberlas identificado de forma sistemática, con datos reales de telemetría, en lugar de asumir por intuición cuáles importan más. Para cualquiera que diseñe o interprete un score de manejo, tener esta lista concreta —en vez de una impresión general— es un punto de partida más sólido.
El hallazgo inesperado: el riesgo marginal decreciente
El dato más llamativo del estudio no es cuáles variables importan, sino cómo se comportan con el tiempo: los eventos de frenado severo detectados con un umbral alto y los siniestros esperados no aumentan de forma proporcional al tiempo o la distancia manejada. En cambio, crecen "a una tasa decreciente" —cada hora o kilómetro adicional de manejo agrega, en promedio, algo menos de riesgo marginal que el anterior—.
Una lectura posible de este patrón es un efecto de aprendizaje o adaptación: con más exposición acumulada, un conductor podría ir ajustando su comportamiento de forma que el riesgo por unidad de tiempo manejado no se mantenga constante, sino que disminuya. El estudio no lo prueba como causa única, pero sí documenta el patrón con claridad en los datos.
Qué significa esto para diseñar o leer un score de flota
Para una flota, tener esta lista de variables ayuda a chequear si el sistema de score de conducción que se usa realmente pondera lo que la evidencia muestra que importa —transiciones de velocidad, velocidad máxima, manejo nocturno, frenadas bruscas— en lugar de fijarse solo en una o dos métricas fáciles de medir pero menos predictivas por sí solas.
El hallazgo del riesgo marginal decreciente también da una pista práctica: al comparar conductores, puede ser más justo mirar la tasa de eventos por unidad de exposición (por hora o kilómetro manejado) en lugar del conteo bruto, ya que ese conteo bruto tiende naturalmente a crecer con la exposición acumulada sin que eso signifique, de forma automática, que el conductor sea proporcionalmente más riesgoso.
¿Qué es una "transición grande de velocidad"?
Es un cambio abrupto entre dos velocidades muy distintas en un lapso corto —por ejemplo, pasar de circular casi detenido a alta velocidad, o al revés—, distinto de una frenada o aceleración brusca puntual, aunque relacionado con ese tipo de eventos.
¿El manejo nocturno es riesgoso en sí mismo, o depende de otros factores?
El estudio encuentra una asociación entre la proporción de manejo nocturno y un mayor número de siniestros, pero como con cualquier estudio observacional, esa asociación puede estar influida por otros factores del contexto nocturno —menos visibilidad, distinto tipo de tráfico— y no implica que cualquier viaje de noche sea automáticamente de alto riesgo.
¿"Riesgo marginal decreciente" significa que manejar mucho es más seguro?
No exactamente. Significa que, en los datos analizados, el riesgo no crece en línea recta con el tiempo o distancia manejada, sino que cada unidad adicional de exposición agrega un poco menos de riesgo que la anterior. No implica que el riesgo total baje con más manejo, sino que su tasa de crecimiento se desacelera.